ScholarGate
Assistent
Regression modelSocial influence / peer effects modeling

Network Autocorrelation Model

The network autocorrelation model adapts spatial-econometric regression to social networks to estimate peer influence: it explains an actor's outcome — an attitude, behavior, or performance — as a function of their own covariates plus a weighted average of their network partners' outcomes. The autocorrelation parameter ρ captures the strength of social influence, and the network weight matrix W encodes who influences whom and how strongly.

Öppna i MethodMindSnartTillämpa, jämför, få vägledning
Verktyg och resurser
Ladda ner bildspel
Lär dig och utforska
VideoSnart

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Metodkarta

Närområdet av besläktade metoder — välj en nod för att utforska.

Källor

  1. Leenders, R. Th. A. J. (2002). Modeling social influence through network autocorrelation: Constructing the weight matrix. Social Networks, 24(1), 21–47. DOI: 10.1016/S0378-8733(01)00049-1
  2. Doreian, P. (1980). Linear models with spatially distributed data: Spatial disturbances or spatial effects? Sociological Methods & Research, 9(1), 29–60. DOI: 10.1177/004912418000900102

Så citerar du den här sidan

ScholarGate. (2026, June 22). Network Autocorrelation Model of Social Influence. ScholarGate. https://scholargate.app/sv/sociology/network-autocorrelation-model

Vilken metod?

Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.

Jämför sida vid sida

Refereras av

ScholarGateNetwork Autocorrelation Model (Network Autocorrelation Model of Social Influence). Hämtad 2026-06-24 från https://scholargate.app/sv/sociology/network-autocorrelation-model · Datamängd: https://doi.org/10.5281/zenodo.20539026